КОМПАРАТИВНА АНАЛИЗА ПРИМЕНЕ ТРАДИЦИОНАЛНИХ МЕТОДА И ГРАФ НЕУРОНСКИХ МРЕЖА У ОБЛАСТИ СИСТЕМА ЗА ПРЕПОРУКУ

Јелена Достић

doi:10.24867/22BE19Dostic

Јелена Достић Fakultet tehničkih nauka

DOI: https://doi.org/10.24867/22BE19Dostic

Ključne reči: системи за препоруку, граф неуронске мреже, матрица сличности, граф конволуција

Apstrakt

Системи за препоруку релевантних објеката све чешће постају део наше свакодневице и утичу на наше одабире и активности. Подаци коришћени у системима за препоруку природно могу бити представљени у виду графа у којем кориснике и објекте представљамо као чворове тог графа, а њихове интеракције као везе између њих. Овај рад пореди ефикасност традиционалних система за препоруку и система за препоруку базираних на граф неуронским мрежама. У циљу поређења, имплементирана су два система - хибридни традиционални систем и систем базиран на граф неуронским мрежама. Перформансе, односно резултати експеримената извршених над оба система евалуирани су и упоређени на основу прецизности, одзива и Ф1 мере, односно средњеквадратне грешке у случају континуалних вредности.

Reference

[1] GCN: Semi-Supervised Classification with Graph Convolutional Networks https://arxiv.org/abs/1609.02907 [2016]
[2] Neural Graph Collaborative Filtering https://arxiv.org/abs/1905.08108 [2019]
[3] GraphSage: Inductive Representation Learning on Large Graphs https://arxiv.org/abs/1706.02216 [2017]
[4] PinSage: Graph Convolutional Neural Networks for Web-Scale Recommender Systems https://arxiv.org/abs/1806.01973 [2018]
[5] Multi-Component Graph Convolutional Collaborative Filtering https://arxiv.org/abs/1911.10699 [2019]
[6] DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation https://arxiv.org/abs/2002.00844 [2020]
[7] GraphRec: Graph Neural Networks for Social Recommendation https://arxiv.org/abs/1902.07243 [2019]
[8] KGAT: Knowledge Graph Attention Network for Recommendation https://arxiv.org/abs/1905.07854 [2019]
[9] Deep Graph Library https://www.dgl.ai/
[10] Graph Convolutional Matrix Completion https://arxiv.org/pdf/1706.02263v2.pdf